拟合正态分布至1D数据

Question

我有一个1个三维Minkowski空间阵列和我可以计算该样品的“平均”和“标准差”和绘制“正态分布”但我有一个问题：

我要绘制在同一个图中的数据和正态分布象下面这样：

我不知道如何绘制无论是“DATA”和“正态分布”

约“SciPy的高斯概率密度函数任何想法.stats“？

s = np.std(array) 
m = np.mean(array) 
plt.plot(norm.pdf(array,m,s)) 

Answer 1

您可以使用matplotlib绘制直方图和PDF（如在@ MrE的答案中的链接）。为了拟合和计算PDF，您可以使用scipy.stats.norm，如下所示。

import numpy as np 
from scipy.stats import norm 
import matplotlib.pyplot as plt 


# Generate some data for this demonstration. 
data = norm.rvs(10.0, 2.5, size=500) 

# Fit a normal distribution to the data: 
mu, std = norm.fit(data) 

# Plot the histogram. 
plt.hist(data, bins=25, normed=True, alpha=0.6, color='g') 

# Plot the PDF. 
xmin, xmax = plt.xlim() 
x = np.linspace(xmin, xmax, 100) 
p = norm.pdf(x, mu, std) 
plt.plot(x, p, 'k', linewidth=2) 
title = "Fit results: mu = %.2f, std = %.2f" % (mu, std) 
plt.title(title) 

plt.show() 

下面是由脚本生成的情节：

Answer 2

要查看正态分布和实际数据，您应该将数据绘制为直方图，然后在其上绘制概率密度函数。请参见http://docs.scipy.org/doc/numpy/reference/generated/numpy.random.normal.html上的示例，了解如何执行此操作。